Identifikace organismů pomocí analýzy nukleotidových denzitních vektorů

Abstract

Většina metod pro analýzu genomických dat pracuje se sekvencemi v jejich symbolickém zápisu. Genomické sekvence lze považovat za formu biologického digitálního signálu, který je možné analyzovat metodami zpracování digitálních signálů. Sekvence v symbolickém zápisu však musí být před zpracováním převedeny do vhodného numerického formátu. Tato dizertační práce představuje metodu numerické reprezentace genomických dat, nukleotidové denzitní vektory, a jejich využití k molekulární identifikaci organismů. V současnosti populární DNA barcoding je přístup molekulární identifikace organismů na základě porovnávání krátkých sekvencí určitého úseku mitochondriálního genomu. V této dizertační práci navržená metoda identifikace organismů na základě porovnávání nukleotidových denzitních vektorů byla testována na rozsáhlém souboru DNA barcodingových sekvencích. Navržený způsob identifikace do druhů byl dále rozšířen a otestován na vyšší taxonomické skupiny jako je čeleď. Dále také byly pro testovací data zkonstruovány a porovnány dendrogramy ze standardně používaných evolučních vzdáleností a vzdáleností mezi nukleotidovými denzitními vektory.Most methods for analysis of genomic data work with symbolic sequences. Numerically represented genomic sequences can be analyzed by signal processing methods. A new method of numerical representation of DNA sequences, nucleotide density vectors, is proposed in this thesis. Usability of this method for purposes of molecular species identification is tested on DNA barcoding sequences. DNA barcoding is modern and popular methodology based on comparison of short mitochondrial DNA sequences. Beside species identification by proposed method based on nucleotide density vectors, higher taxa rank identification (e.g. families) was also tested. Furthermore, dendrograms were constructed from standardly used evolutionary distances and distances between nucleotide density vectors and the dendrograms were compared.